日勿の部落格

首先创建一个 Python 3.10.6 版本的虚拟环境：

这一步借助 webui 的插件 qrcode-toolkit 实现。

进入 neo4j deployment center，页面往下拉，找到 Graph Database Self-Managed，选择对应配置下载压缩包。

粒子群算法（Particle Swarm Optimization, PSO）是一种基于群体智能的优化算法。它通过模拟鸟群或鱼群等社会动物的群体行为来寻找最优解。可以假设这样一个场景：在一个区域里只有一个食物源，有一群鸟在觅食。所有鸟都不知道食物在哪里，但是它们知道当前的位置离食物还有多远。那么找到食物的最佳策略是什么呢？最简单有效的方法是搜索目前离食物最近的鸟的周围区域并根据自身经验判断食物的位置。

模拟退火算法（Simulated Annealing，SA）的基本思想来源于固体退火过程。在退火过程中，固体被加热到高温，使得原子可以自由移动，然后逐渐降低温度，系统逐渐冷却并达到稳定状态，最终原子排列在能量最低的基态。

蚁群优化（ant colony optimization, ACO）算法是一种源自大自然生物世界的仿生类算法，其思想充分吸收了蚁群在觅食过程中的行为特性。

要在日志中显示时间信息，可以通过格式字符串 %(asctime)s 控制：

Termux-App GitHub